用 groupby + agg 是最灵活、最可控的分组聚合方式，支持多列不同函数、自定义列名、精准定位类型错误，避免隐式丢列和 dtype 意外变化。
直接说结论：用 groupby + agg 是最灵活、最可控的分组聚合方式，比直接调 sum()、mean() 等方法更能处理多列不同函数、重命名结果、避免隐式类型转换等问题。
为什么不能只用 df.groupby(...).sum()
这种写法看似简单，但会强制对所有数值列调用 sum，且无法指定某列用 max、另一列用 count；更麻烦的是，它会把非数值列（比如字符串）静默丢弃，还不报错——你可能根本没意识到数据被砍掉了。
实操建议：
- 只要聚合逻辑不是“全部列统一用同一个函数”，就别用
.sum()/.mean()这类快捷方法 - 想保留原始列名并自定义新列名？
agg支持元组和字典语法，sum不支持 - 遇到
TypeError: cannot perform sum with type object？大概率是某列混了字符串或None，而.sum()没提示就跳过了，agg配合明确列名能帮你快速定位哪一列出问题
agg 的三种常用写法及适用场景
核心差异在「控制粒度」：你是想给所有列套一个函数，还是逐列指定，或是混合使用。
立即学习“Python免费学习笔记（深入）”；
假设 df 有列 'category'、'sales'、'profit'、'region'：
-
全列同函数：
df.groupby('category').agg('sum')—— 简单但粗糙，'region'（字符串）会被自动忽略 -
按列指定函数：
df.groupby('category').agg({'sales': 'sum', 'profit': 'mean', 'region': 'first'})—— 最常用，安全，可读性强 -
一列多个函数 + 重命名：
df.groupby('category').agg(sales_total=('sales', 'sum'), profit_avg=('profit', 'mean'))—— Pandas 0.25+ 支持，结果列名清晰，避免MultiIndex带来的取数麻烦
容易踩的坑：NaN 和 dtype 意外变化
agg 默认不跳过 NaN？错。像 'sum'、'mean' 这些内置函数默认 skipna=True，但你自己传的 lambda 或自定义函数不会自动跳，容易得到 NaN 结果却不知原因。
另一个隐形问题：agg 可能改变列的 dtype。例如 'sales' 是 int64，但用 'mean' 聚合后变成 float64；如果后续要做 merge 或存 CSV，得提前留意。
实操建议：
- 不确定数据有没有
NaN？先跑df.groupby(...).agg({'col': 'count', 'col': 'size'})对比，count不计NaN，size计，差值就是缺失数 - 需要保留整型结果？对
mean后的结果手动.round().astype('int')，但注意这会掩盖真实小数信息 - 聚合后列名变成
MultiIndex？优先用命名元组语法（如('sales', 'sum')）或字典键值对，避开老式元组列表写法
性能提醒：别在 agg 里写复杂 lambda
像 df.groupby('id').agg(lambda x: x.max() - x.min()) 看似简洁，但 Pandas 会为每组单独调用 Python 函数，速度比内置函数慢几倍到几十倍，尤其数据量超 10 万行时明显卡顿。
实操建议：
- 优先用字符串函数名（
'min'、'std'），Pandas 内部走优化路径 - 必须用自定义逻辑？先尝试
apply+ 向量化操作（如np.where、.clip），再进agg - 真要嵌套计算？拆成两步：
groupby得中间结果 → 新增列 → 再一次groupby.agg，往往比一步到位快
真正难的不是写对语法，而是想清楚“这一列该不该参与聚合”“缺失值在这里代表什么含义”“下游系统能否接受 float 类型 ID”。这些没法靠文档解决，得看数据本身长什么样。
